Aggiungere interazioni al basetable

Supponi che un'organizzazione non profit voglia lanciare una campagna in Spagna e in Francia e desideri sapere quali donatori hanno più probabilità di donare. Ti viene fornito un basetable con le variabili predittive "age", "country_Spain", "country_France" e il target "target". Per tua comodità, è stata implementata una funzione auc che restituisce l'AUC su dati partizionati e accetta due argomenti, ossia l'insieme delle variabili considerate e il basetable:

auc(["variable_1","variable_2"], basetable)
0.51

In questo esercizio imparerai ad aggiungere termini di interazione al basetable e a verificare se questo migliora l'AUC del modello predittivo.

Questo esercizio fa parte del corso

Analisi predittiva intermedia in Python

Visualizza il corso

Istruzioni dell'esercizio

Stampa l'AUC di un modello che usa solo age e l'AUC di un modello che usa solo country_Spain.
Stampa l'AUC di un modello che usa age e country_Spain.
Aggiungi due termini di interazione, cioè age con country_Spain e age con country_France, al basetable.
Stampa l'AUC di un modello che usa age, country_Spain e i termini di interazione.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Calculate AUC using age only
print(auc(["____"], basetable))

# Calculate AUC using country_Spain only
print(____(["____"], ____))

# Calculate AUC using age and country_Spain
print(____(["____", "____"], ____))

# Add interactions country_Spain x age and country_France x age
basetable["spain_age"] = ____["____"] * ____["____"]
basetable["france_age"] = ____["____"] * ____["____"]

# Calculate AUC using age, country_Spain and interactions
print(____(["____", "____", "____", "____"], ____))

Modifica ed esegui il codice